提出SAF四阶段流水线融合GRPO与OPD优势，避免熵坍塌并稳定提升性能。

通过反向KL分解，把演化上下文作为在线监督信号注入蒸馏目标。

把在线自蒸馏视为β=1的KL正则化策略优化特例，借logit插值与回报到当前信贷分配改进推理

自适应多教师蒸馏框架，用单类SVM加权与关系相似矩阵损失压缩语音情感模型到边缘设备

把游戏求解器的状态价值变化转成逐回合信用信号，注入 RLVR 实现无需 logits 的策略蒸馏

用无源程序合成轨迹蒸馏27B模型，逼近前沿大模型的编程能力

统一在线蒸馏框架修复三大失效模式，0.5B学生达GSM8K 69.8%

在学生推理出错处让老师短暂接管再交还，修复在线策略蒸馏的前缀失败

用结构化JSON协议蒸馏专有模型推理能力，提升开源模型智能体搜索

面向端侧部署的低延迟异构视觉编码器，配合两阶段生成式预训练实现SOTA。

多语言RAG中兼顾语义相关性与语言一致性的重排序器

用原图与擦除图像的预测对比构造自蒸馏目标，无需外部教师或答案提示。

把智能体交互经验蒸馏进权重，无需额外环境采样即可保留大部分上下文学习增益。

复用教师轨迹做离线多轮 agent 蒸馏,零工具调用、4倍加速且不掉点。

用锚定与对齐两个损失,让VLA微调在零额外数据下同时保住语义理解与动作精度

仅凭API规格，用LLM模拟环境生成训练API调用智能体的轨迹数据

把 LLM 裁判升级为教练，用可迁移经验知识替代标量奖励训练模型。

将教师监督直接融入强化学习目标，通过反向重要性采样实现选择性知识迁移

发现多教师蒸馏会把工具调用边界推向过度调用，提出 Soft Clamp 局部校准方案

用教师与基础模型的概率差作为蒸馏奖励，大幅提升推理蒸馏效果。